TOUCH 语音服务
离线唤醒 · 语音识别 · 语音合成
感动新视界完全自建的语音能力底座：唤醒词「小感」在设备本地离线运行，语音识别与语音合成由自有服务器承载。 不依赖 Google、不依赖任何第三方账号与 Key、不按调用次数计费，一行脚本即可接入全部产品线。
一句话闭环：呼叫唤醒 → 用户命令 → 语音播报回答
全系统统一契约。任何产品接入同一套组件，user 无需按键、无需学习成本。
① 呼叫唤醒
喊一声「小感」即被听见。唤醒词在手机本地离线识别，不联网、不上传，响应低于 0.5 秒。
② 用户命令
系统应答后自动拾取一句命令（如「导航到深圳北站」），由自建识别服务转成文字交给业务执行。
③ 播报回答
任务操作完成后，系统用语音把结果播报给用户（「好的，正在为您规划路线」），形成完整对话闭环。
在线体验
以下两项直接调用感动新视界自有语音服务，无需注册、无需 Key，可当场验证效果。
语音合成试听 TTS · 16 语种
输入任意文字，选择音色，点击试听。合成的音频可直接用于 APP、小程序、网页播报。
语音识别体验 ASR · 中文离线模型
点击开始说话，说完停顿约 1 秒自动结束。音频仅上传至感动新视界自有服务器识别。
提示：浏览器需允许麦克风权限；若在微信等内置浏览器中无法录音，请改用系统浏览器或选择音频文件。
技术底座：全部跑在感动新视界自有服务器与设备本地
不采集、不外传、不受任何境外服务可用性影响。
离线唤醒引擎
基于 Zipformer 唤醒词模型，建模单元为拼音声母与韵母，模型仅 3.3M 参数（约 4.8MB）。 唤醒词在设备本地判定，音频不出设备；支持自定义唤醒词与多词并列。
中文离线语音识别
达摩院 Paraformer 架构的中文识别模型，支持中英混说、16k 单声道。识别速度约为实时的 25 倍， 长句也在数百毫秒内返回；模型内置于自有服务器，无需第三方接口。
神经级语音合成
16 个语种的神经语音音色，音质接近真人。服务器侧按「文本 + 音色」缓存， 重复播报零延迟；网页、小程序、原生播放器均可直接取用音频流。
接入方式
网页端一行脚本接入；APP 端由壳内原生桥提供同一套接口，网页代码无需改动。
<!-- 1. 引入统一语音组件（网页 / APP 内 WebView 通用） --> <script src="/assets/js/speech.js"></script> // 2. After the user wakes XiaoGan and speaks a command, the business layer handles it here TouchSay.onCommand = function (text) { if (/(navigate|go)/i.test(text)) { routeTo(text); TouchSay.announce('OK, planning your route'); } }; // 3. Announce the reply after the task completes (three-tier fallback chain) TouchSay.announce('Order accepted, please head to the pickup point');
组件接口 window.TouchSay
| 方法 | 说明 |
|---|---|
announce(text, opt) | 任务完成播报（三级链兜底） |
listen(opt, cb) | 收一句用户命令，回调文本 |
onCommand = fn | 唤醒后自动收音，文本回调业务 |
wake.enable() / disable() | 开 / 关离线唤醒 |
wake.keyword | 当前唤醒词（小感） |
setMute(bool) | 静音开关（跨产品共享） |
服务端接口
| 接口 | 说明 |
|---|---|
GET /api/tts | 参数 text、voice；返回 audio/mpeg |
POST /api/asr | 请求体为 WAV 二进制，返回 {"ok":true,"text":"…"} |
| 音频格式：16k 单声道 16bit WAV 最优；其它采样率服务器自动重采样。合成音色 16 语种，识别支持中英混说。 | |
已在感动新视界各产品线落地
同一套语音能力，覆盖出行、搜索、创作三大产品线。
感图 Touch3DMap
离线唤醒「小感」+ 语音找目的地 + 路口转向播报。已随感图 Android 1.3.0 内置。
感车 GanChe
司机端上线、接单成功语音播报，行车中免按键操作，播放走导航声道。
感搜 TouchSo
语音提问、AI 答案生成完成后语音播报，搜索全程可不动手。
感著 TouchCraft
文档保存、导出完成播报，长文本创作过程中即时反馈任务状态。
为什么不用第三方语音云？
境外语音服务在境内可用性不稳定，且按调用量计费、需账号 Key、音频出网； 感动新视界自建语音底座让唤醒在设备本地完成、识别与合成跑在自有服务器， 业务可持续、成本可控、数据不出域。
定制与接入
支持自定义唤醒词（多词并列）、音色与语速定制、行业词表优化。 需要在自己的产品中接入 TOUCH 语音服务，或需要私有化部署， 欢迎通过首页「联系我们」与感动新视界商务团队沟通。